AI助力下的人机协同式短视频创作

2022-04-05刘育涛李云璐

传媒 2022年5期

刘育涛李云璐

摘要：随着短视频逐渐占领主流市场，受众已经不满足于短平快的快餐式视听消费，精致化的创意内容成为关注焦点。在整体时长3～5分钟的视频中，如何在最短的时间激发感情、吸引观众持续观看，成为一个创作难题。AI新技术助力高质量短视频的文本生成、素材剪辑和互动传播，视频创作已经出现人机协同的发展态势。

关键词：短视频人机协同审美接受

传统的视频内容为了让叙事冲突更为激烈，在叙事发展阶段就会用较大的篇幅进行情节铺垫和情绪积累，以便把情节推向高潮。这种叙事手段很容易导致视频时间过长。短视频虽然时长短、传输速度快，能满足受众的碎片化信息消费需求，但同质内容泛滥，精品罕见。如何让长短视频二者取长补短，成为视频创作的关注焦点。AI技术的成熟能够有效解决这一问题。AI与人工协同的文本创作和视频剪辑创作方式，能在短时间内表现叙事冲突，让短视频完成对长叙事的浓缩，为影视制作提供新的创意。同时AI技术植入能够节省创作者的精力，让他们从浩如烟海的重复性工作中解放出来，不断完善人机协同创作的崭新模式。

现阶段的短视频创作逐渐呈现出结合“人脑意识”和“人工智能”的发展趋势。以挖掘人类创造潜能为己任的“人工智能”，在数据运算分析、总结经验规律、提高剧作效率等方面具有高度优势；“人脑意识”的认知优势和创作灵感则弥补了现阶段人工智能技术的不足。二者协同发展，是当今短视频文本创作的新风口。

1.精准定位个性化文本风格。人工智能与大数据结合，可以精细地收集分析受众的短视频观看行为习惯，精准定位个性化需求。创作者可以通过人工智能技术，对IP和短视频文本风格进行智能评估和精准匹配；大数据分析可以从海量数据中洞察、筛选用户的信息需求，通过对个体用户观看的短视频文本风格进行大数据分析，可以实现题材风格划分，判断热门作品类型，形成趋势判断和预测；对同类作品风格进行静态模仿，投其所好地精准推荐，满足千人千面的个性化需求。

2.大数据预测优化文本内容。人工智能技术能够辅助预测流行短视频剧本的题材内容。基于对现有短视频作品内容的大数据分析，对同类作品的情绪弧线进行识别、提取和分析，学习总结其中规律，优化叙事内容。情绪弧线是一个故事中随着情节的情感起伏变化而形成的定量弧线模型，是故事文本内容的支柱，在一定程度上决定了影片的成效。为了提高视频质量，精准传播短视频内容，可以通过人工智能技术对受众的美感体验进行测量，用算法来优化文本创作流程，激发创作者靈感，辅助完成文本创作；从故事冲突呈现和情感张力等方面提供量化参考指标，优化创作流程，帮助创作者集中精力，有的放矢，创作出优秀的视频文本内容。

3.人机协作提升创作效率。人工智能让短视频文本创作的时效性更高。一般来说，剧作家创作首先需要丰富的知识累积和经验阅历，然后才能将想象转化为创意，完成思维到文字的转换，但这一过程需要耗费大量时间，导致文本内容创作效率低下。人工智能具有超强的学习能力，可以在短时间内对同类型的短视频文本进行数据分析学习，实现符号自动生成，创作出大量结构化的短视频剧本作品。例如，阿里巴巴旗下的编剧机器人“阿里编编”借助故事数据库的分析，创作一集电视剧剧本只需10分钟，制作一个完整的电影剧本也只要30分钟。剧本创作只需要前期简单的人工设定，然后就可以通过人工智能来自动生成文本内容。再如2016年，借助谷歌研发的第二代人工智能学习系统Tensor Flow，漫画家安迪·赫尔德（Andy Herd）开发了一套故事自动生成程序，该程序在学习10季《老友记》的剧本之后，就能自动生成一集新的剧本。由此可见，人工智能可以把人类的创造灵感在短时间内呈现出来，解决了文本创作的高时效要求。

4.人机协同提高审美体验。从审美接受的角度来看，人工智能创作的剧本之所以可以带来审美体验，是因为可以精准地测量观众的审美需要，促进审美主体通过自身的阅历和知识储备进行二度创作。但人工智能在本质上是数据算法，是通过数理符号的演绎来对纷繁复杂世界进行抽象概括，并根据数据算法的信息整合，对未来进行预测。这种技术无法形成人类的自我意识，也无法“在审美欣赏过程中形成对象意识”。因此，人工智能技术的短视频剧本创作在故事逻辑和人类情感表现方面仍然存在一定的问题。仅依靠人工智能创作的故事内容有时显得机械僵硬，既无法严谨地衔接故事情节，又缺少情感色彩，无法与受众产生“情感共鸣”。例如，在谷歌Tensor Flow人工智能技术合成的《老友记》剧本中，有许多语义不通的现象。因此，短视频创作实践可以先通过AI技术和算法来“优化”故事情绪弧线，然后通过人脑进行润色调整，用人类真实的情感来丰富故事内容，使之符合受众的接收习惯。另外，人工智能技术还拓宽了短视频创作的词汇库，可以打破人类创作者固有的写作习惯，让视频语言表现更加丰满。由此可见，AI智能和人脑意识协同运作，相辅相成，可以有效提高创作效率，打造符合观众喜好的短视频文本内容。人机协同的创作模式，将逐渐成为未来短视频剧本创作的一个热点。

在人工审美的监督下，人工智能为提升短视频剪辑效率、建立创意剪辑模板、满足受众观看的个性化需求等方面提供了新的可能。

1.多种智能化形式介入视频剪辑，高效精准。一个专业视频剪辑师通常需要一个小时的时间才能剪出几分钟的内容。而AI“剪刀手”只需要1～3分钟就能出片，大大提高了制作效率。虽然短视频内容的类型较为宽泛，而且具有海量的视频素材，而人工智能的多功能视频编辑技术却可以识别不同的元素，分门别类地进行智能化编辑。例如，通过视听特征对视频实施镜头拆分、提取和重组，从而实现视频摘要剪辑；在音频方面，依照音乐节拍和节奏变化，进行音乐驱动的视频剪辑；还可以按照视频段落中特定时长和事件发生的顺序为参考点，进行事件驱动的视频剪辑；另外，由北航、清华、哈佛大学和以色列赫兹利亚跨学科研究中心的研究者开发的“Write-A-Video”人工智能技术，还可以直接根据文本来匹配视频素材，自动实现镜头的选取拼接，并产出连贯的视频。在人工审美的整体把控和调整下，高效、精准的自动化剪辑技术大大减少了人力投入，提高了视频制作的效率，缩短了短视频从制作到发布过程中的时间成本，让创作者可以把更多的精力投入到审美和创意相关的工作上。

2.创建多样化剪辑风格模板，满足受众需求。人工智能实现了对短视频剪辑风格模板的建立，即首先在人機交互的创作模式下，对海量视频进行高强度的学习分析，对观众追捧的创作模式进行挖掘，然后依据智能算法，从视频元素和音乐的大数据库中，选择提取创作者所需的元素、音乐和场景，最后借助人工智能自动剪辑系统，将这些素材进行组合，形成具有各种剪辑风格的短视频并贴上标签，之后再次编辑类似风格的短视频时，就可以直接调用该标签，人工智能就会自动按照事先设定好的风格进行剪辑。例如，由斯坦福大学与Adobe研究院共同研发的视频编辑器Computational Video Editing，可以让创作者借助人工智能，对剪辑风格进行控制。该系统会自动将所有的镜头，包括多个角度拍摄的同一主体的画面，利用面部识别系统与情绪识别系统，对镜头画面进行逐帧分析，并对镜头景别和剧中角色进行标记。在所有的镜头元素都组织起来以后，该程序会按照创作者的脚本对短视频进行剪辑处理，并将该种剪辑风格贴上标签，从而形成特定的剪辑风格模板，之后，只需通过点击预设标签的编辑按钮就可自动剪辑同类风格的短视频。

短视频剪辑风格模板为短视频创作构思提供了便利，创作者得以把有限的精力投入到审美创意上。伴随着受众喜好的变化和创作者创意审美的提升，原有标签模板的某些部分可能还需完善，此时只需借助人机交互，就可以快速调整那些瑕疵，从容满足不同受众的需求。

AI的加持使短视频创作者的“权力”美学在一定程度上逐步淡化，“大众”美学日益兴起，人机“互动”加AI，使得受众“互动”视频视角及“互动”选择视频语言成为可能，创新了短视频的观看模式。

1.延展视频“互动”模式。在传统观影时，受众只能被动接受已经经过剪辑的单一视角成片。如今的互动式视频则可以用分屏处理的方式，在一个视频中进行多角度展示，同屏呈现突发新闻事件现场或体育比赛精彩瞬间的多个场景。随着AI人工智能的介入，分屏画面的剪辑时间节点和角度变得更加精准，使得受众可以纵览全场的同时，在同一屏幕上实现“交互”观看，满足不同受众的观影需求。例如，2018年咪咕视频在世界杯期间推出的“AI四维短视频”，在视频制作前期用AI进行海量数据标注和学习训练，识别犯规、射门等精彩瞬间，然后实现四个视频流的智能共剪。具体而言，用户可以在同一屏中同时观看“饮水机视角1”、“饮水机视角2”、“上帝视角”、“巨星视角”这四个视角，自主选择纵览全场或关注某一特定视角，这种视频让受众完全自主选择观影角度，实现了互动模式下观影视角的无障碍选取。

2.打破观影语言壁垒。借助短视频的流行，把我国优秀的短视频内容向国际社会推广，也成为广大短视频创作者责无旁贷的责任。AI人工智能可以通过实时翻译技术，消除短视频跨国传播的语言障碍，基本实现跨国界无障碍实时观影，从而助力短视频的国际传播。例如，近两年李子柒打造的田园短视频传播到世界各地，深受各国观众喜爱。根据对李子柒的短视频统计分析，其视频语言对白很少，这也就消除了不同语种观众对其作品的接受障碍。不过，这种模式并不适合新闻评论、微记录等解说或对白较多的短视频。随着信息传播的高效化，智能翻译技术不断发展完善。AI的多语言实时翻译功能完全可以消除视频跨境传播中的语言鸿沟，甚至可以根据接收者的语言习惯进行精准翻译转换，实现跨国无障碍观影。例如，国内著名企业科大讯飞、阿里都自行研发了更加智能的AI翻译语音模型，利用基于图像的AI技术、基于语音交互的AI技术、云技术，完成语音识别到合成的全过程，并可提供200多种高质量的语言翻译。不同地区的观众在观看短视频时，可以在终端硬件或播放软件中自行选择对应的语言系统，及时获得相关语种翻译，消解了国际传播中的语言障碍，实现了语言层面的无障碍传播。